基于扩展邻域规则的随机投影 k 近邻集成分类方法
机器学习
2023-03-23 v1 机器学习
摘要
基于 k 近邻（kNN）的集成结合大量基学习器，每个均在给定训练数据的样本上构建。典型 kNN 集成通过限定于测试样本点的球形区域确定训练数据中最接近的 k 个观测以预测其类别。本文提出一种新颖的随机投影扩展邻域规则（RPExNRule）集成，其中对给定训练数据的自助样本随机投影至低维，以在基模型中引入额外随机性并保留特征信息。它使用扩展邻域规则（ExNRule）在随机投影的自助样本上拟合 kNN 作为基学习器。
引用
@article{arxiv.2303.12210,
title = {A Random Projection k Nearest Neighbours Ensemble for Classification via Extended Neighbourhood Rule},
author = {Amjad Ali and Muhammad Hamraz and Dost Muhammad Khan and Wajdan Deebani and Zardad Khan},
journal= {arXiv preprint arXiv:2303.12210},
year = {2023}
}
备注
23 pages, 8 diagrams, 69 references